基于Morlet小波的超声缺陷分类识别方法研究.pdfVIP

2010年 9月 机床与液压 Sep．2010 第38卷 第 17期 MACHINETO0L HYDRAULICS Vo1．38No．17 DOI：10．3969／j．issn．1001—3881．2010．17．017 基于 Morlet小波的超声缺陷分类识别方法研究 廖磷志 ，陈琪。，严寒冰 (1．宜宾职业技术学院机电系，四川宜宾 644003；2．成都信息工程学院控制工程系，四川成都 610225) 摘要：超声缺陷自动识别是 目前无损评判领域 内研究的热点。采用改进的Morlet小波对超声缺陷信号进行降噪处理， 为获得更全面的缺陷特征，在建立的参数空间基础上为缺陷信号构建特征向量，将这些缺陷信号输入 RBF神经网络对获得 的超声检波信号进行缺陷分类。实验结果表明：小波降噪算法充分利用超声 回波信号的特征信息，降噪效果明显，有利于 提高缺陷分类的准确性 ；RBF神经网络缺陷识别法能有效提取同类别缺陷信号的共同特征，提高缺陷分类准确度。 关键词 ：小波 ；参数空间；特征提取；径向基函数；缺陷识别 中图分类号：TP235：TP301．6 文献标识码：A 文章编号：1001—3881(2010)17—055—3 ResearchonUltrasonicFlaw ClassificationM ethodBasedonM orletW avelet LIA0Linzhi，CHEN Qi，YAN Hanbing (1．DepartmentofMechatronic，YibinVocationalandTechnicalCollege，YibinSichuan644003，China； 2．DepartmentofControlEngineering，ChengduUniversityof InformationTechnology，ChengduSichuan610225，China) Abstract：Autoultrasonicflawclassificationisthehotspotofnondestructiveevaluation (UDE)．A modifiedMorletwavelet (MMW)wasadoptedtodenoisetheultrasonicsigna1．Togainmorecharacteristicsoftheultrasonicsignal，theeigenvectoroftheflaw wasconsturctedbasedontheparameterstructure．TheeigenvectorswereinputtedintoRBFforflaw classification．Thetestingresults provethevalidityofMMW inimprovingthesignal—noiseratioandthecomprehensivecharacteristicsarepropitioustoflaw classification， andtheintercommunitiesofcongenericflawsareacquiredandtheveracityofflaw classification isimprovedwithRBF． Keywords：Wavelet；Parametersturcture；Featureextraction；RBF；Flaw identification 超声波检测技术穿透能力强、检测灵敏度高 、对 波。因此作者采用一种改进的Morlet小波 (Modified 人体无害、使用灵活、可及时得到探伤结果，是无损 MorletWavelet，MMW)对超声脉冲 回波进行分解、 检测领域中重要的方法和手段，已经被广泛应用于各 降噪及特征参数提取 ，在 良好降噪的基础上，获取更 行业的质量监控和安全保障。在超声探伤中，由于缺 为广泛的超声波缺陷信号的特征参数，并采用 RBF 陷类